Skip to main content

Niyə A/B Testi və Fərdiləşdirmə Birlikdə Daha Güclüdür

İstifadəçi təcrübəsini təkmilləşdirmək üçün iki fərqli yanaşmanı əks etdirsə də, onların birləşməsi müəssisələrin əldən vermək istəmədiyi eksponensial üstünlüklər təklif edə bilər.

 

Yaniv Navot

 

CMO, Dinamik Gəlir

Bilməli olduğunuz budur:

  • A/B testi və fərdiləşdirmə birləşdirildikdə, hər bir fərdə ən uyğun təcrübəni təqdim etməklə istifadəçi təcrübəsini əhəmiyyətli dərəcədə yaxşılaşdıra bilər.
  • A/B testi yaradıcı elementlərin ən yaxşı performans variasiyalarını müəyyən etməyə kömək edir, fərdiləşdirmə isə təcrübəni fərdi müştərilərə uyğunlaşdırır.
  • Bu yanaşmaların birləşdirilməsi prosesləri sadələşdirir, nəticələri artırır və müştəri məmnuniyyətini artırır.
  • Marketinq mütəxəssisləri bu gücdən A/B testi üçün auditoriyaları seqmentləşdirməklə, fərdiləşdirmə strategiyalarını sınaqdan keçirməklə və davamlı optimallaşdırma üçün real vaxt məlumatlarından istifadə etməklə istifadə edə bilərlər.

A/B testi və fərdiləşdirmə iki fərqli metodologiyanı təmsil edir. A/B testi əsas biznes metriklərini, eləcə də ümumi istifadəçi təcrübəsini təkmilləşdirmək üçün müxtəlif yaradıcı elementlər, surətlər, planlar və hətta alqoritmlər ilə təcrübə aparmağa yönəlsə də, fərdiləşdirmə ən uyğun təcrübəni fərdi müştəriyə doğru anda uyğunlaşdırmağı hədəfləyir.

Yanaşma baxımından kökündən fərqli olsa da, bu iki strategiyanın birləşdirilməsi əslində eksponensial faydalar verə bilər. Bu yazıda bunun səbəbini, eləcə də komandaların bunu necə edə biləcəyini araşdıracağıq.

A/B testlərinin məhdudiyyətləri

A/B testinin əsas prinsipi sadədir:

Hansının daha yaxşı işlədiyini görmək üçün bir şeyin iki (və ya daha çox) fərqli versiyasını müqayisə edin və sonra ən optimal ümumi təcrübə üçün qalibi bütün istifadəçilərə təqdim edin.

Beləliklə, A/B testi və CRO komandalarının təcrübəsi sayt, yerli tətbiq, e-poçt və ya hər hansı digər rəqəmsal kanalda müxtəlif sahələri və təcrübələri təkmilləşdirmək üçün hər cür təcrübəyə əhəmiyyətli dərəcədə investisiya qoymaq və sonra zaman keçdikcə konversiyalarda və müəyyən KPI-larda artım yaratmaq üçün onları davamlı olaraq optimallaşdırmaqdan ibarətdir.

Lakin, bir şirkət çoxlu trafik yarada və təcrübə aparmaq üçün böyük bir rəqəmsal mənzərəyə malik olmadığı təqdirdə, təcrübənin nəticəsinin (nə qədər test və ya təcrübənin nə qədər böyük və mürəkkəb olmasından asılı olmayaraq) bu komandaların töhfəsi baxımından maksimum məhsuldarlığa çatdığı azalan gəlir nöqtəsi yarana bilər.

Bu, əsasən A/B testinə klassik yanaşmanın ziyarətçi seçimlərinə ikili baxış təqdim etməsi və çox vaxt onların kimliyini müəyyən edən amillərin və davranışların tam spektrini əhatə etməməsi ilə əlaqədardır.

Bundan əlavə, A/B testləri seqmentin əksəriyyətinin üstünlüklərinə əsaslanaraq ümumiləşdirilmiş nəticələr verir. Bir brend orta hesabla daha çox gəlir əldə etmək üçün müəyyən bir təcrübə tapa bilsə də, onu bütün istifadəçilərə tətbiq etmək fərqli üstünlüklərə malik istehlakçıların əhəmiyyətli bir hissəsi üçün pis xidmət olardı.

Bir neçə nümunə ilə izah edim:

Əgər həm mənim, həm də Uorren Baffetin orta hesabla sərvəti 117,3 milyard ABŞ dolları olsaydı, eyni məhsulları bizə tövsiyə etməyimiz məntiqli olardımı?

Yəqin ki, yox.

Yaxud həm kişi, həm də qadın məhsulları təklif edən bir pərakəndə satıcı, ən yaxşı qəhrəman banner variasiyasını müəyyən etmək üçün ana səhifəsində klassik A/B testi aparmaq qərarına gəlsə, amma auditoriyasının 70%-i qadınlar olduğundan, qadınların variasiyası kişilərinkindən daha yaxşı olarsa necə olar?

Bu test qadın qəhrəman bayrağının bütün əhaliyə tətbiq edilməsini nəzərdə tutsa da, şübhəsiz ki, düzgün qərar olmazdı.

Sadə dillə desək:

  • Müxtəlif istifadəçi qruplarını müqayisə etmək üçün istifadə edildikdə ortalamalar çox vaxt yanlışdır
  • Hər bir müştəri seqmenti və istifadəçi üçün ən yaxşı performans göstərən variasiya dəyişiklikləri
  • Nəticələrə coğrafi, hava və digər kontekstual amillər də təsir göstərə bilər

Əlbəttə ki, bu o demək deyil ki, daha ümumiləşdirilmiş nəticələrdən istifadə etmək üçün vaxt və məkan yoxdur. Məsələn, yeni bir veb sayt və ya tətbiq dizaynını sınaqdan keçirirsinizsə, fərqli istifadəçilər üçün onlarla, yüzlərlə və ya hətta minlərlə UI variasiyasına qarşı orta hesabla ən yaxşı işləyən vahid bir UI axtarmaq məntiqli olardı.

Lakin, səhifənin dizaynına, mesajlaşmaya, məzmuna, tövsiyələrə, təkliflərə və digər yaradıcı elementlərə "qalib hər şeyi götürür" yanaşmasını sədaqətlə tətbiq etmək günləri artıq geridə qalıb və bu, normaldır, çünki bu o deməkdir ki, hər bir istifadəçiyə ən yaxşı variantı təqdim etməməklə əlaqəli qaçırılmış fərdiləşdirmə imkanlarından artıq pul qalmayacaq.

Fərdiləşdirmə ilə daha çox aktuallığın açılması

Fərdiləşdirmə, bugünkü rəqəmsal mənzərədə bir gözləntiyə çevrilən istehlakçıların unikal davranışlarından, üstünlüklərindən və niyyətlərindən asılı olaraq sayt təcrübəsinə cavab vermək və onları uyğunlaşdırmaqdan ibarətdir. Bunun təkcə müştəri məmnuniyyətini və sədaqətini artırdığı sübut edilmişdir.

Mütləq A/B testindən asılı olmasa da, fərdiləşdirmədə ən yaxşı təcrübənin A/B testinin əsaslarına əsaslanması təəccüblü ola bilər - yeganə fərq, müəyyən bir təcrübənin hansı versiyasının ən yaxşı işlədiyini müəyyən etməkdir, orta hesabla deyil, tamaşaçı səviyyəsində.

Gəlin fərdiləşdirmə kampaniyasında bunun necə görünəcəyinin əsas strukturunu təhlil edək. Ənənəvi A/B testi kimi, birdən çox variasiyalı bir təcrübəni nəzarət qrupu ilə müqayisə etmək əvəzinə, fərqli auditoriyalara yönəlmiş çoxsaylı təcrübələr və hər birinin daxilində ən yaxşı nəticəni müəyyən etmək üçün A/B testindən keçirilə bilən çoxsaylı variasiyalar yaratmaqla bir addım daha irəli gedirik.

Bu, sadə qayda əsaslı hədəfləmə yolu ilə edilə bilər. Bu hədəfləmə, müştəri səyahətini əl ilə proqramlaşdırılmış qaydalar dəstinə uyğun olaraq uyğunlaşdırmaq üçün IF/Sonra məntiqindən istifadə edir. Komandalar bu təcrübələri A/B sınaqdan keçirə, statistik əhəmiyyətə çatdıqda nəticələrini təsdiqləyə və sonra müvafiq olaraq təkrarlaya bilirlər.

Bununla belə, fərdiləşdirmə qərarlarının qəbul edilməsinin miqyaslandırılması məsələsində süni intellekt və maşın öyrənməsi əsas problemə çevrilib, çünki yuxarıdakı ssenari optimal proqram hədəfləmə qaydalarını müəyyən etmək üçün hər bir auditoriya seqmentinə qarşı hər bir sınaqdan keçirilmiş variasiyanın ətraflı ölçülməsi ilə çoxsaylı test yerləşdirmələrini əhatə edən məlumatlarla zəngin bir prosesə çevrilə bilər. Bu, həmçinin müəyyən bir auditoriya üçün daha yaxşı nəticə göstərmək üçün müəyyən edilmiş spesifik variasiyalar üçün "uğursuz" testləri fərdiləşdirmə imkanlarına çevirməkdə faydalıdır.

Bu qabaqcıl texnologiyalar, auditoriya qruplarını seçmək üçün ən uyğun məzmunu təqdim etmək məqsədilə hər bir trafik seqmentində hər bir dəyişikliyin performansını real vaxt rejimində təhlil edir. Bundan əlavə, 1:1 fərdiləşdirmə, hər bir şəxsi fərdiləşdirilmiş tövsiyələr, məhsul təklifləri və məzmunla alqoritmik şəkildə uyğunlaşdırmaq üçün yaxınlıq profilləmə prosesindən istifadə edən yaxınlıq əsaslı fərdiləşdirmə imkanları ilə həyata keçirilə bilər.

Bu fərdiləşdirmə səviyyəsi şirkətlərə marketinq strategiyaları ilə daha təsirli və hədəflənmiş olmağa imkan verir, eyni zamanda istehlakçıları daha incə, mənalı və uyğun şəkildə cəlb edir.

A/B testlərinin fərdiləşdirmə ilə birləşdirilməsi

Əgər A/B testi və ya CRO komandasından və fərdiləşdirməyə həsr olunmuş komandadan işlərinin xüsusiyyətləri barədə daha çox soruşsanız, onların cavablarının qəribə dərəcədə oxşar olduğunu görərsiniz.

Aşağıdakı göz açan diaqrama baxın, bu diaqram JD Sports | Fərdiləşdirmə Pionerləri tədbiri zamanı Finiş Xətti tərəfindən təqdim olunub (tam xülasə burada):

Bu, həm A/B testinin, həm də fərdiləşdirmənin olduğunu anlamağa başlayan bir çox başqaları tərəfindən paylaşılan bir fikirdir:

  • Müsbət müştəri təcrübəsi yaratmağa diqqət yetirin
  • Eyni KPI-lara təsir etmək və onları təkmilləşdirmək istəyirik
  • Eyni toplanmış öyrənmələrdən faydalana bilər

Bundan əlavə, çox vaxt bu komandalar eyni daxili resurslara və hətta alətlərə ehtiyac duyur! Buna görə də A/B testlərinin və fərdiləşdirməsinin boşluqda qalmaması və əksinə, uyğunlaşdırılmış KPI-larla ortaq bir yol xəritəsinin bir hissəsinə çevrilməsi çox vacibdir.

İkisinin birləşməsi yalnız prosesləri və əməliyyatları sadələşdirməklə yanaşı, həm də eksponensial nəticələr yarada bilər, çünki bu, istehlakçı davranışı haqqında həm geniş, həm də dəqiqləşdirilmiş məlumatlar əldə etməyə imkan verir.

Daha yaxşı nəticələr əldə etmək üçün onların birləşdirilmiş gücünü marketinq strategiyanıza necə daxil edə biləcəyinizə baxın:

1. Seqment Əsaslı A/B Testi

Bütün auditoriyanız üzərində A/B testləri aparmaq əvəzinə, auditoriyanızı ortaq xüsusiyyətlərə əsasən mənalı seqmentlərə bölün (makrodan mikroya qədər miqyaslanmaq üçün nəzərdə tutulmuş Əsas Auditoriya yanaşmasını sınayın). Daha sonra, bu seqmentlərdə A/B testləri aparın. Bu seqmentləşdirilmiş təcrübə yanaşması müxtəlif istehlakçı davranışlarını daha incə şəkildə anlamağa və təcrübələri müəyyən qruplara uyğunlaşdırmağa kömək edə bilər.

Məsələn, Synchrony, bu seqment üçün bannerdən kənar çağırış düymələrinin silinməsini sınaqdan keçirən bir təcrübə apararaq yüksək niyyətli istifadəçilər arasında ərizə təqdim etmə nisbətini 4,5% artırdı .

Təhlil zamanı şirkət UX-də bir spesifik dəyişiklik - "Videonu Oxut" CTA düyməsinin bannerindən çıxarılması - yüksək niyyətli istifadəçilərin diqqətinin yayınmasının qarşısını aldı və onlara Synchrony-nin çoxsaylı xidmətləri haqqında daha çox məlumat əldə etməyə imkan verdi.

2. A/B Testinin Fərdiləşdirmə Strategiyaları

Hansı fərdiləşdirmə strategiyalarının ən yaxşı işlədiyini müəyyən etmək üçün A/B testindən istifadə edin. Məsələn, məhsul tövsiyə alqoritmlərini və müəyyən auditoriyaya yönəlmiş alqoritmlərin digərlərinə nisbətən daha yaxşı klikləmə və ya səbətə əlavə etmə nisbətlərinə gətirib çıxarıb-çıxarmadığını sınaqdan keçirə bilərsiniz.

3. Real Zaman Strategiyasına Uyğunlaşma

A/B testlərinizdən məlumat topladıqca, fərdiləşdirmə strategiyanızın davamlı optimallaşdırılması və təkmilləşdirilməsi üçün bu məlumatlardan istifadə edin. Bu real vaxt uyğunlaşması, istehlakçı ehtiyaclarını ödəmək üçün daim inkişaf edən daha dinamik və effektiv marketinq strategiyasına imkan verir.

Misal üçün, Build with Ferguson tövsiyələrdən alış-verişdə 89% artım əldə etdi və bu, əvvəlcə auditoriyaya yönəlmiş strategiyanın ( Köklü Fərdiləşdirmə çərçivəsinə əsaslanaraq) tətbiqi ilə başladı.

Komanda müxtəlif tövsiyə strategiyalarını sınaqdan keçirdi və nəticədə onun "İstehlakçı" auditoriyası seqmentinin oxşar davranış və maraqlara malik digər istifadəçilərin qarşılıqlı əlaqədə olduğu tövsiyə olunan elementlərlə əlaqə qurmağa meylli olduğunu aşkar etdi.

Bu tapıntılardan istifadə edərək, Build with Ferguson saytdakı tövsiyələrinin performansını optimallaşdırdı və həmçinin tövsiyələrlə qarşılıqlı əlaqədə olan istifadəçilərin orta hesabla 13% daha çox pul xərclədiyini və 2,4% daha çox məhsul aldığını aşkar etdi.

A/B testi və fərdiləşdirmə – bir-birinin təbii uzantıları

A/B testi tarixən ümumilikdə ən yaxşı təcrübəni müəyyən etməklə bağlı olub, fərdiləşdirmə isə auditoriya və ya fərdi səviyyədə ən yaxşı təcrübəni təmin etməyi hədəfləyir. Hər ikisi üçün bir zaman və məkan olsa da, ikisinin birləşdirilməsi müştəri məmnuniyyətinin və biznes sədaqətinin artmasına səbəb ola bilər - əsas təcrübələr fərdiləşdirmə və A/B testləri vasitəsilə hər strategiya üzrə maksimum nəticələr əldə etməklə daha aktual hala gətirilir.

P.S. Bu iki təcrübənin necə bir araya gəldiyi barədə daha çox məlumat üçün düzgün atribusiya konfiqurasiyalarının necə qurulacağına, düzgün məqsədin seçiləcəyinə, fərdiləşdirmə test nəticələrinin təhlilinə və hər birinin mənalı nəticələr verdiyinə əmin olmağa toxunan bu A/B Test və Optimallaşdırma kursuna nəzər salmağı təklif edirəm.